
import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
from scipy.cluster.hierarchy import dendrogram, linkage
from sklearn.cluster import AgglomerativeClustering
from matplotlib import pyplot as plt
from sklearn.decomposition import PCA
from sklearn.metrics import silhouette_score

path_to_2015 = "../Data/2015.csv" # Hay que agregar el de cada uno.
df = pd.read_csv(path_to_2015) #nrows=100)


print(df.shape)
df.iloc[10:20]

(1233043, 47)


select_columns = ["rango_edad","tipo_inst_2","jornada","tipo_plan_carr","region_sede","nivel_carrera_2","requisito_ingreso", \
    "vigencia_carrera","area_conocimiento","acreditada_carr","acreditada_inst","anio_ing_carr_ori","sem_ing_carr_ori", \
    "anio_ing_carr_act","sem_ing_carr_act",\
    "dur_total_carr", \
    "valor_matricula","valor_arancel"]
select = df.loc[:, select_columns]
# Saqué "nomb_inst", "nomb_carrera", "dur_estudio_carr","dur_proceso_tit"


for column in select.select_dtypes('object'):
    uniques = select[column].unique()
    print(f"Valores unicos de {str(column)}: ", uniques)

Valores unicos de rango_edad:  ['20 a 24 años' '15 a 19 años' '35 a 39 años' '25 a 29 años'
 '30 a 34 años' '40 y más años' nan]
Valores unicos de tipo_inst_2:  ['Universidades Privadas' 'Universidades CRUCH' 'Institutos Profesionales'
 'Centros de Formación Técnica']
Valores unicos de jornada:  ['Diurno' 'Vespertino' 'A Distancia' 'Otro' 'Semipresencial']
Valores unicos de tipo_plan_carr:  ['Plan Regular' 'Plan Regular de Continuidad' 'Plan Especial']
Valores unicos de region_sede:  ['Metropolitana' 'Coquimbo' 'Tarapacá' 'Arica y Parinacota' 'Valparaíso'
 'Ñuble' 'Antofagasta' 'Atacama' 'Biobío' "Lib. Gral B. O'Higgins"
 'La Araucanía' 'Maule' 'Los Lagos' 'Magallanes' 'Los Ríos' 'Aysén']
Valores unicos de nivel_carrera_2:  ['Carreras Profesionales' 'Carreras Técnicas' 'Magister' 'Postítulo'
 'Doctorado']
Valores unicos de requisito_ingreso:  ['Educación Media' 'Licenciatura' nan 'Título Profesional'
 'Técnico de Nivel Superior' 'Magíster'
 'Especialidad Médica u Odontológica' 'Plan Común' 'Ciclo Básico'
 'Postítulo' 'Bachillerato']
Valores unicos de vigencia_carrera:  ['VIGENTE CON ALUMNOS NUEVOS' 'VIGENTE SIN ALUMNOS NUEVOS']
Valores unicos de area_conocimiento:  ['Ciencias Sociales' 'Administración y Comercio' 'Arte y Arquitectura'
 'Tecnología' 'Salud' 'Ciencias Básicas' 'Agropecuaria' 'Educación'
 'Humanidades' 'Derecho' 'Sin área definida']
Valores unicos de acreditada_carr:  ['NO ACREDITADA' 'ACREDITADA']
Valores unicos de acreditada_inst:  ['ACREDITADA' 'NO ACREDITADA']


all_dict = {}
for column in select.select_dtypes('object'):
    all_dict[column] = {value:i+1 for i, value in enumerate(select[column].unique()) if value is not np.nan}

print(all_dict)
all_dict["rango_edad"] = {'15 a 19 años':1,'20 a 24 años':2, '35 a 39 años':3, '25 a 29 años':4, '30 a 34 años':5, '40 y más años':6}
all_dict["nivel_carrera_2"] = {'Carreras Técnicas':1, 'Carreras Profesionales':2, 'Magister':3, 'Postítulo':4, 'Doctorado':5}
all_dict["acreditada_carr"] = {"NO ACREDITADA":0, "ACREDITADA":1}
all_dict["acreditada_inst"] = {"NO ACREDITADA":0, "ACREDITADA":1}

{'rango_edad': {'20 a 24 años': 1, '15 a 19 años': 2, '35 a 39 años': 3, '25 a 29 años': 4, '30 a 34 años': 5, '40 y más años': 6}, 'tipo_inst_2': {'Universidades Privadas': 1, 'Universidades CRUCH': 2, 'Institutos Profesionales': 3, 'Centros de Formación Técnica': 4}, 'jornada': {'Diurno': 1, 'Vespertino': 2, 'A Distancia': 3, 'Otro': 4, 'Semipresencial': 5}, 'tipo_plan_carr': {'Plan Regular': 1, 'Plan Regular de Continuidad': 2, 'Plan Especial': 3}, 'region_sede': {'Metropolitana': 1, 'Coquimbo': 2, 'Tarapacá': 3, 'Arica y Parinacota': 4, 'Valparaíso': 5, 'Ñuble': 6, 'Antofagasta': 7, 'Atacama': 8, 'Biobío': 9, "Lib. Gral B. O'Higgins": 10, 'La Araucanía': 11, 'Maule': 12, 'Los Lagos': 13, 'Magallanes': 14, 'Los Ríos': 15, 'Aysén': 16}, 'nivel_carrera_2': {'Carreras Profesionales': 1, 'Carreras Técnicas': 2, 'Magister': 3, 'Postítulo': 4, 'Doctorado': 5}, 'requisito_ingreso': {'Educación Media': 1, 'Licenciatura': 2, 'Título Profesional': 4, 'Técnico de Nivel Superior': 5, 'Magíster': 6, 'Especialidad Médica u Odontológica': 7, 'Plan Común': 8, 'Ciclo Básico': 9, 'Postítulo': 10, 'Bachillerato': 11}, 'vigencia_carrera': {'VIGENTE CON ALUMNOS NUEVOS': 1, 'VIGENTE SIN ALUMNOS NUEVOS': 2}, 'area_conocimiento': {'Ciencias Sociales': 1, 'Administración y Comercio': 2, 'Arte y Arquitectura': 3, 'Tecnología': 4, 'Salud': 5, 'Ciencias Básicas': 6, 'Agropecuaria': 7, 'Educación': 8, 'Humanidades': 9, 'Derecho': 10, 'Sin área definida': 11}, 'acreditada_carr': {'NO ACREDITADA': 1, 'ACREDITADA': 2}, 'acreditada_inst': {'ACREDITADA': 1, 'NO ACREDITADA': 2}}


for attribute in all_dict:
    select[attribute] = select[attribute].map(all_dict[attribute])
select


select.iloc[:,:-2] = select.iloc[:,:-2].convert_dtypes(np.int32)
dummies = pd.get_dummies(select, prefix=select_columns[:-2], columns=select_columns[:-2])
dummies


height = 10
ward = linkage(dummies.iloc[:1000,2:], method="ward")
fig, ax = plt.subplots(1, 1, figsize=(24,7))
dendrogram(ward, ax=ax)
plt.grid()
plt.title("Linkage: ward")
plt.axhline(y=height, color='r', linestyle='--')
plt.show()

complete = linkage(dummies.iloc[:1000,2:], method="complete")
fig, ax = plt.subplots(1, 1, figsize=(24,7))
dendrogram(complete, ax=ax)
plt.grid()
plt.title("Linkage: ward")
plt.axhline(y=4, color='r', linestyle='--')
plt.show()


used = 10000 # len(dummies)


sse_k = []
sse_w = []
total_ = 50
clusters = list(range(1, total_+1))
for k in clusters:
    kmeans = KMeans(n_clusters=k).fit(dummies.iloc[:used,2:])
    #wards = AgglomerativeClustering(n_clusters=k, linkage="ward").fit(dummies.iloc[:used,2:])
    sse_k.append(kmeans.inertia_)
    #sse_w.append(wards.affinity)

fig, ax = plt.subplots(1,1, figsize=(30,10))
ax.plot(clusters, sse_k, "o-")
plt.title(f"Metodo del codo de 1 a {total_} clusters")
plt.grid(True)
plt.show()


n_clus = 20
ward = AgglomerativeClustering(n_clusters=n_clus, linkage="ward", distance_threshold=None).fit(dummies.iloc[:used,2:])
print(ward.n_clusters_)

new_space = PCA(n_components=2, random_state=1).fit_transform(dummies.iloc[:used,2:])

plt.scatter(new_space[:, 0], new_space[:, 1], c=ward.labels_)
plt.show()

print("Silhouete del espacio PCA con Clusterning Jerarquico (ward)\t", silhouette_score(new_space, ward.labels_))
print("Silhouette del espacio one-hot con Clusterning Jerarquico (ward)\t", silhouette_score(dummies.iloc[:used,2:], ward.labels_))

20

Silhouete del espacio PCA con Clusterning Jerarquico (ward)	 -0.05801003812797862
Silhouette del espacio one-hot con Clusterning Jerarquico (ward)	 0.05964943994947762


from sklearn.cluster import KMeans

kmean = KMeans(n_clusters=n_clus).fit(dummies.iloc[:used,2:])

new_space = PCA(n_components=2, random_state=1).fit_transform(dummies.iloc[:used,2:])

plt.scatter(new_space[:, 0], new_space[:, 1], c=kmean.labels_)
plt.show()

print("Silhouete del espacio PCA con KMeans Clustering\t", silhouette_score(new_space, kmean.labels_))
print("Silhouete del espacio One-hot con KMeans Clustering\t", silhouette_score(dummies.iloc[:used,2:], kmean.labels_))

Silhouete del espacio PCA con KMeans Clustering	 0.023934520346331697
Silhouete del espacio One-hot con KMeans Clustering	 0.09104361600059412


from sklearn.neighbors import NearestNeighbors
import numpy as np

nbrs = NearestNeighbors(n_neighbors=3).fit(dummies.iloc[:used,2:])
distances, indices = nbrs.kneighbors(dummies.iloc[:used,2:])

y_ = 0.37
distances = np.sort(distances, axis=0)
distances = distances[:,1]
plt.axhline(y=y_, color='r', linestyle='--') #Ajuste el valor para "y" en esta línea
plt.plot(distances)
plt.show()

new_space = PCA(n_components=2, random_state=1).fit_transform(dummies.iloc[:used,2:])
nbrs = NearestNeighbors(n_neighbors=3).fit(new_space)
distances, indices = nbrs.kneighbors(new_space)

y_ = 0.045
distances = np.sort(distances, axis=0)
distances = distances[:,1]
plt.axhline(y=y_, color='r', linestyle='--') #Ajuste el valor para "y" en esta línea
plt.plot(distances)
plt.show()


from sklearn.cluster import DBSCAN
dbscan = DBSCAN(eps=1.5, min_samples=2).fit(dummies.iloc[:used,2:])

new_space = PCA(n_components=2, random_state=1).fit_transform(dummies.iloc[:used,2:])

plt.scatter(new_space[:, 0], new_space[:, 1], c=dbscan.labels_)
plt.show()

print("Silhouete del espacio PCA con DBSCAN Clustering\t", silhouette_score(new_space, dbscan.labels_))
print("Silhouete del espacio One-hot con DBSCAN Clustering\t", silhouette_score(dummies.iloc[:used,2:], dbscan.labels_))

Silhouete del espacio PCA con DBSCAN Clustering	 -0.7288990506788339
Silhouete del espacio One-hot con DBSCAN Clustering	 -0.13678011620936573


import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
from matplotlib import pyplot as plt
from sklearn.decomposition import PCA
from sklearn.metrics import silhouette_score
from sklearn.metrics.pairwise import euclidean_distances


s_columns = ["rango_edad","tipo_inst_2","jornada","tipo_plan_carr","region_sede","nivel_carrera_2","requisito_ingreso", \
    "vigencia_carrera","area_conocimiento","acreditada_carr","acreditada_inst","anio_ing_carr_ori","sem_ing_carr_ori", \
    "anio_ing_carr_act","sem_ing_carr_act",\
    "dur_total_carr", \
    "valor_matricula","valor_arancel"]
# Saqué "nomb_inst", "nomb_carrera", "dur_estudio_carr","dur_proceso_tit"

path_to_2015 = "../../Data/2015.csv" # Hay que agregar el de cada uno.
df = pd.read_csv(path_to_2015) 
select = df.loc[:, s_columns]
all_dict = {}
for column in select.select_dtypes('object'):
    all_dict[column] = {value:i+1 for i, value in enumerate(select[column].unique()) if value is not np.nan}

print(all_dict)
all_dict["rango_edad"] = {'15 a 19 años':1,'20 a 24 años':2, '35 a 39 años':3, '25 a 29 años':4, '30 a 34 años':5, '40 y más años':6}
all_dict["nivel_carrera_2"] = {'Carreras Técnicas':1, 'Carreras Profesionales':2, 'Magister':3, 'Postítulo':4, 'Doctorado':5}
all_dict["acreditada_carr"] = {"NO ACREDITADA":0, "ACREDITADA":1}
all_dict["acreditada_inst"] = {"NO ACREDITADA":0, "ACREDITADA":1}

{'rango_edad': {'20 a 24 años': 1, '15 a 19 años': 2, '35 a 39 años': 3, '25 a 29 años': 4, '30 a 34 años': 5, '40 y más años': 6}, 'tipo_inst_2': {'Universidades Privadas': 1, 'Universidades CRUCH': 2, 'Institutos Profesionales': 3, 'Centros de Formación Técnica': 4}, 'jornada': {'Diurno': 1, 'Vespertino': 2, 'A Distancia': 3, 'Otro': 4, 'Semipresencial': 5}, 'tipo_plan_carr': {'Plan Regular': 1, 'Plan Regular de Continuidad': 2, 'Plan Especial': 3}, 'region_sede': {'Metropolitana': 1, 'Coquimbo': 2, 'Tarapacá': 3, 'Arica y Parinacota': 4, 'Valparaíso': 5, 'Ñuble': 6, 'Antofagasta': 7, 'Atacama': 8, 'Biobío': 9, "Lib. Gral B. O'Higgins": 10, 'La Araucanía': 11, 'Maule': 12, 'Los Lagos': 13, 'Magallanes': 14, 'Los Ríos': 15, 'Aysén': 16}, 'nivel_carrera_2': {'Carreras Profesionales': 1, 'Carreras Técnicas': 2, 'Magister': 3, 'Postítulo': 4, 'Doctorado': 5}, 'requisito_ingreso': {'Educación Media': 1, 'Licenciatura': 2, 'Título Profesional': 4, 'Técnico de Nivel Superior': 5, 'Magíster': 6, 'Especialidad Médica u Odontológica': 7, 'Plan Común': 8, 'Ciclo Básico': 9, 'Postítulo': 10, 'Bachillerato': 11}, 'vigencia_carrera': {'VIGENTE CON ALUMNOS NUEVOS': 1, 'VIGENTE SIN ALUMNOS NUEVOS': 2}, 'area_conocimiento': {'Ciencias Sociales': 1, 'Administración y Comercio': 2, 'Arte y Arquitectura': 3, 'Tecnología': 4, 'Salud': 5, 'Ciencias Básicas': 6, 'Agropecuaria': 7, 'Educación': 8, 'Humanidades': 9, 'Derecho': 10, 'Sin área definida': 11}, 'acreditada_carr': {'NO ACREDITADA': 1, 'ACREDITADA': 2}, 'acreditada_inst': {'ACREDITADA': 1, 'NO ACREDITADA': 2}}


def sim_matrix(features, labels):
    useful_labels = labels >= 0

    # primero ordenamos los datos en base al cluster que pertencen
    indices = np.argsort(labels[useful_labels])
    sorted_features = features[useful_labels][indices]

    # calculamos las distancias entre todos los puntos
    d = euclidean_distances(sorted_features, sorted_features)
    return d
    
def plotproxi(data, model):
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(20,5))

    fig.suptitle(f"{model.__class__.__name__}")

    ax1.scatter(data[:,0], data[:,1], c=model.labels_)

    dist = sim_matrix(data, model.labels_)
    im = ax2.imshow(dist, cmap="jet")
    fig.colorbar(im, ax=ax2)

# Podemos seleccionar un atributo, y ordenar los clusters de acuerdo
# a la cantidad de cierta caracteristica en el atributo.
def right_tag(df, model,  n_clusters, col="area_conocimiento", value="Ciencias Básicas"):
    indx = all_dict[col][value]
    quantities = np.zeros(n_clusters)
    for cluster in range(n_clusters):
        count = df.loc[model.labels_==cluster,:][col].value_counts()
        try: val = count.loc[indx]
        except: val = 0
        quantities[cluster] = val
    neworder = np.argsort(quantities)
    model.labels_ = np.array([neworder[label] for label in model.labels_])
    #return


used = 10000
n_clus = 20 # Ideal: 20
np.random.seed(10)
n_years = 10
ndims = 2

select_columns = s_columns.copy()
for nn in ['requisito_ingreso', 'vigencia_carrera']:
    try: select_columns.remove(nn)
    except: pass
    try: all_dict.pop(nn)
    except: pass

macro_varancel = np.zeros(n_years)
macro_vmatricula = np.zeros(n_years)
macro_areaconocimiento = np.zeros(n_years, dtype='object')
macro_acredcarr = np.zeros(n_years, dtype='object')

centroid_coord = np.zeros((n_years, n_clus, ndims))
for i in range(n_years):
    path = f"../../Data/201{i}.csv" # Hay que agregar el de cada uno.
    df = pd.read_csv(path, nrows=None)
    sample = np.random.choice(len(df), used)

    macro_varancel[i] = df["valor_arancel"].mean()
    macro_vmatricula[i] = df["valor_matricula"].mean()
    macro_acredcarr[i] = df["acreditada_carr"].value_counts().index[0]
    macro_areaconocimiento[i] = df["area_conocimiento"].value_counts().index[0]
    
    #Se escoger al azar 'used' número de instancias.
    df = df.loc[sample, select_columns]
    for attribute in all_dict:
        df[attribute] = df[attribute].map(all_dict[attribute])
    df.iloc[:,:-2] = df.iloc[:,:-2].convert_dtypes(np.int32)
    dumm = pd.get_dummies(df, prefix=select_columns[:-2], columns=select_columns[:-2])

    print("n° de instancias: ", len(df))
    
    kmean = KMeans(n_clusters=n_clus).fit(dumm.iloc[:,2:])
    print(f"Inercia del año 201{i}", kmean.inertia_)
    right_tag(df,kmean,n_clus) # Nuevas labels por contenido.

    pca = PCA(n_components=ndims, random_state=1).fit(dumm.iloc[:,2:])
    new_space = pca.transform(dumm.iloc[:,2:])
    plotproxi(new_space, kmean)
    plt.show()
    centroid_coord[i, :, :] = pca.transform(kmean.cluster_centers_)
    
    print("n° de instancias usadas: ", used)
    print("Silhouete del espacio PCA con KMeans Clustering\t", silhouette_score(new_space, kmean.labels_))
    print("Silhouette del espacio one-hot con KMeans Clustering\t", silhouette_score(dumm.iloc[:,2:], kmean.labels_))
    print()

for centroid in range(n_clus):
    a = centroid_coord[:-1,centroid,:]
    print(a[:,0])
    b = centroid_coord[1:,centroid,:]
    fig, ax = plt.subplots(1, 1, figsize=(10,5))
    ax.set_xlim(-1.5,1.5)
    ax.set_ylim(-1.5,1.5)
    ax.quiver(a[:,0], a[:,1], b[:,0]-a[:,0], b[:,1]-a[:,1], scale_units='xy', angles='xy', scale=1)
    plt.show()

n° de instancias:  10000
Inercia del año 2010 42246.498141404394

d:\Proyectos\Python_proyects\Algos-y-Estructuras\lib\site-packages\sklearn\base.py:445: UserWarning: X does not have valid feature names, but PCA was fitted with feature names
  warnings.warn(

n° de instancias usadas:  10000
Silhouete del espacio PCA con KMeans Clustering	 -0.011323790682246496
Silhouette del espacio one-hot con KMeans Clustering	 0.07710562796231614

n° de instancias:  10000
Inercia del año 2011 43078.168729594174

d:\Proyectos\Python_proyects\Algos-y-Estructuras\lib\site-packages\sklearn\base.py:445: UserWarning: X does not have valid feature names, but PCA was fitted with feature names
  warnings.warn(

n° de instancias usadas:  10000
Silhouete del espacio PCA con KMeans Clustering	 0.035365353341361205
Silhouette del espacio one-hot con KMeans Clustering	 0.08149195910951157

n° de instancias:  10000
Inercia del año 2012 43119.22658732171

d:\Proyectos\Python_proyects\Algos-y-Estructuras\lib\site-packages\sklearn\base.py:445: UserWarning: X does not have valid feature names, but PCA was fitted with feature names
  warnings.warn(

n° de instancias usadas:  10000
Silhouete del espacio PCA con KMeans Clustering	 0.044159060968920916
Silhouette del espacio one-hot con KMeans Clustering	 0.0806740615210053

n° de instancias:  10000
Inercia del año 2013 41298.96020343526

d:\Proyectos\Python_proyects\Algos-y-Estructuras\lib\site-packages\sklearn\base.py:445: UserWarning: X does not have valid feature names, but PCA was fitted with feature names
  warnings.warn(

n° de instancias usadas:  10000
Silhouete del espacio PCA con KMeans Clustering	 0.08423410575319476
Silhouette del espacio one-hot con KMeans Clustering	 0.07936110574473496

n° de instancias:  10000
Inercia del año 2014 42392.22268764166

d:\Proyectos\Python_proyects\Algos-y-Estructuras\lib\site-packages\sklearn\base.py:445: UserWarning: X does not have valid feature names, but PCA was fitted with feature names
  warnings.warn(

	cat_periodo	codigo_unico	MRUN	GEN_ALU	FEC_NAC_ALU	rango_edad	anio_ing_carr_ori	sem_ing_carr_ori	anio_ing_carr_act	sem_ing_carr_act	...	area_conocimiento	cine_f_13_area	cine_f_13_subarea	area_carrera_generica	acreditada_carr	acreditada_inst	acre_inst_desde_hasta	acre_inst_anio	costo_proceso_titulacion	costo_obtencion_titulo_diploma
10	2015	I16S27C27J2V1	NaN	2	198303.0	30 a 34 años	9999	1	2013.0	1.0	...	Administración y Comercio	Administración de Empresas y Derecho	Educación Comercial y Administración	Ingeniería Comercial	NO ACREDITADA	NO ACREDITADA	NaN	NaN	203500	305000
11	2015	I16S27C27J2V1	NaN	2	198612.0	25 a 29 años	9999	1	2013.0	1.0	...	Administración y Comercio	Administración de Empresas y Derecho	Educación Comercial y Administración	Ingeniería Comercial	NO ACREDITADA	NO ACREDITADA	NaN	NaN	203500	305000
12	2015	I16S27C27J2V1	NaN	1	198612.0	25 a 29 años	9999	1	2013.0	1.0	...	Administración y Comercio	Administración de Empresas y Derecho	Educación Comercial y Administración	Ingeniería Comercial	NO ACREDITADA	NO ACREDITADA	NaN	NaN	203500	305000
13	2015	I16S27C27J2V1	NaN	2	198807.0	25 a 29 años	9999	1	2013.0	1.0	...	Administración y Comercio	Administración de Empresas y Derecho	Educación Comercial y Administración	Ingeniería Comercial	NO ACREDITADA	NO ACREDITADA	NaN	NaN	203500	305000
14	2015	I16S27C27J2V1	NaN	2	198506.0	30 a 34 años	9999	1	2013.0	1.0	...	Administración y Comercio	Administración de Empresas y Derecho	Educación Comercial y Administración	Ingeniería Comercial	NO ACREDITADA	NO ACREDITADA	NaN	NaN	203500	305000
15	2015	I16S27C27J2V1	NaN	1	198907.0	25 a 29 años	9999	1	2013.0	1.0	...	Administración y Comercio	Administración de Empresas y Derecho	Educación Comercial y Administración	Ingeniería Comercial	NO ACREDITADA	NO ACREDITADA	NaN	NaN	203500	305000
16	2015	I16S27C27J2V1	NaN	2	198411.0	30 a 34 años	9999	1	2013.0	1.0	...	Administración y Comercio	Administración de Empresas y Derecho	Educación Comercial y Administración	Ingeniería Comercial	NO ACREDITADA	NO ACREDITADA	NaN	NaN	203500	305000
17	2015	I16S27C27J2V1	NaN	2	198507.0	25 a 29 años	9999	1	2013.0	1.0	...	Administración y Comercio	Administración de Empresas y Derecho	Educación Comercial y Administración	Ingeniería Comercial	NO ACREDITADA	NO ACREDITADA	NaN	NaN	203500	305000
18	2015	I16S27C27J2V1	NaN	2	197912.0	35 a 39 años	9999	1	2013.0	1.0	...	Administración y Comercio	Administración de Empresas y Derecho	Educación Comercial y Administración	Ingeniería Comercial	NO ACREDITADA	NO ACREDITADA	NaN	NaN	203500	305000
19	2015	I16S27C27J2V1	NaN	1	196303.0	40 y más años	9999	1	2013.0	1.0	...	Administración y Comercio	Administración de Empresas y Derecho	Educación Comercial y Administración	Ingeniería Comercial	NO ACREDITADA	NO ACREDITADA	NaN	NaN	203500	305000

	rango_edad	tipo_inst_2	jornada	tipo_plan_carr	region_sede	nivel_carrera_2	requisito_ingreso	vigencia_carrera	area_conocimiento	acreditada_carr	acreditada_inst	anio_ing_carr_ori	sem_ing_carr_ori	anio_ing_carr_act	sem_ing_carr_act	dur_total_carr	valor_matricula	valor_arancel
0	2.0	1	1	1	1	2	1.0	1	1	0	1	2015	1	NaN	NaN	8	100000.0	3369000.0
1	1.0	1	2	1	1	2	1.0	1	2	1	1	2015	1	NaN	NaN	8	100000.0	2312000.0
2	2.0	1	1	1	2	2	1.0	1	1	0	0	2015	1	NaN	NaN	10	120000.0	2185000.0
3	3.0	1	2	1	2	2	1.0	1	2	0	0	2015	1	NaN	NaN	10	120000.0	1760000.0
4	2.0	1	1	1	1	2	1.0	1	3	0	1	2015	1	NaN	NaN	10	363900.0	3900530.0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
1233038	6.0	1	5	1	1	4	4.0	2	10	0	1	2014	1	NaN	NaN	1	0.0	1327500.0
1233039	1.0	3	2	1	1	1	1.0	1	5	0	1	2015	1	NaN	NaN	7	89900.0	1489900.0
1233040	1.0	1	1	1	1	2	1.0	1	4	0	1	2015	1	NaN	NaN	10	340000.0	3590000.0
1233041	3.0	2	1	3	3	3	4.0	2	6	0	1	2013	1	NaN	NaN	6	150000.0	1166666.0
1233042	1.0	2	1	1	7	2	1.0	1	3	0	1	9998	1	2014.0	1.0	12	122000.0	3209000.0

	valor_matricula	valor_arancel	rango_edad_1	rango_edad_2	rango_edad_3	rango_edad_4	rango_edad_5	rango_edad_6	tipo_inst_2_1	tipo_inst_2_2	...	dur_total_carr_8	dur_total_carr_9	dur_total_carr_10	dur_total_carr_11	dur_total_carr_12	dur_total_carr_13	dur_total_carr_14	dur_total_carr_16	dur_total_carr_20	dur_total_carr_24
0	100000.0	3369000.0	0	1	0	0	0	0	1	0	...	1	0	0	0	0	0	0	0	0	0
1	100000.0	2312000.0	1	0	0	0	0	0	1	0	...	1	0	0	0	0	0	0	0	0	0
2	120000.0	2185000.0	0	1	0	0	0	0	1	0	...	0	0	1	0	0	0	0	0	0	0
3	120000.0	1760000.0	0	0	1	0	0	0	1	0	...	0	0	1	0	0	0	0	0	0	0
4	363900.0	3900530.0	0	1	0	0	0	0	1	0	...	0	0	1	0	0	0	0	0	0	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
1233038	0.0	1327500.0	0	0	0	0	0	1	1	0	...	0	0	0	0	0	0	0	0	0	0
1233039	89900.0	1489900.0	1	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
1233040	340000.0	3590000.0	1	0	0	0	0	0	1	0	...	0	0	1	0	0	0	0	0	0	0
1233041	150000.0	1166666.0	0	0	1	0	0	0	0	1	...	0	0	0	0	0	0	0	0	0	0
1233042	122000.0	3209000.0	1	0	0	0	0	0	0	1	...	0	0	0	0	1	0	0	0	0	0

Pregunta 1¶